Assessing the accuracy of census-independent small area modelled population datasets

사람을 세는 것은 사회가 수행하는 가장 근본적인 과업 중 하나이지만, 동시에 가장 어려운 일이기도 합니다. 정부와 구호 단체들은 학교를 계획하고, 병원을 짓고, 위기 상황에서 식량을 배분하기 위해 정확한 인구 수에 의존합니다. 전통적으로 이러한 계수는 보통 10년에 한 번씩 공무원들이 모든 가정을 방문하는 거대하고 비용이 많이 드는 노력인 인구 조사(census)를 통해 이루어집니다. 하지만 세계의 많은 지역에서 이러한 인구 조사는 지연되거나, 분쟁으로 인해 중단되거나, 혹은 아예 실시되지 못하기도 합니다. 공식 집계가 누락되거나 시대에 뒤떨어지게 되면, 계획 수립에 사용되는 수치는 추측에 불과하게 되며, 마지막 실제 집계로부터 시간이 더 많이 흐를수록 그 추측의 신뢰도는 낮아집니다. 이러한 공백을 메우기 위해 연구자들은 다른 접근 방식을 개발했습니다. 바로 위성 영상을 사용하여 건물을 세운 다음, 그 안에 얼마나 많은 사람이 살고 있는지 추정하는 것입니다. "바텀업(bottom-up)" 모델이라고도 불리는 이 방법은, 정부가 계수 팀을 파견하기를 기다리는 대신 사람들이 사는 곳의 물리적 증거를 사용하여 인구의 모습을 밑바닥부터 구축해 나갑니다.

잠비아에서는 이 새로운 접근 방식이 실제 세계에서의 테스트를 위한 드문 기회를 맞이했습니다. 2020년, 연구진은 인구 조사에 의존하지 않고 건물에 대한 위성 영상과 일부 제한된 설문 데이터를 사용하여 국가의 인구에 대한 상세한 지도를 제작했습니다. 2-년 후인 2022년, 잠비아는 마침내 공식 국가 인구 조사를 실시했으며, 이는 GPS 장치를 사용하여 모든 가구의 정확한 위치를 기록한 첫 번째 조사였습니다. 이 시기 덕분에 과학자 팀은 위성 기반 추정치를 공식 정부 집계와 직접 비교할 수 있었습니다. 그들은 인구 조사 데이터 없이 구축된 컴퓨터 모델이 실제 인구 현황을 정확하게 반영할 수 있는지 확인하고자 했습니다. 결과는 이 기술의 힘과 현재의 한계를 모두 명확하게 보여주었습니다.

연구진은 위성 기반 추정치가 인구의 전반적인 형태를 포착하는 데 매우 뛰어나다는 것을 발견했습니다. 연구진이 국가의 큰 주(province)와 구역(district) 단위로 살펴보았을 때, 모델의 수치와 인구 조사의 수치는 함께 움직였습니다. 만약 어떤 구역이 인구 조사에 따라 인구가 많다면, 모델 역시 인구가 많을 것이라고 예측했습니다. 상관관계가 매우 강력하여 두 데이터 세트의 패턴은 거의 구별할 수 없을 정도였습니다. 그러나 자세히 들여다보니 일관된 문제가 드러났습니다. 모델이 실제 인구 조사에서 발견된 것보다 더 많은 사람이 살고 있다고 추측하는 경향이 있다는 점이었습니다. 평균적으로 모델은 대부분의 지역에서 인구를 과대평가했습니다. 이는 모델이 마을 전체를 놓친 것이 아니라, 사람들이 실제로 살지 않을 수도 있는 곳에 있는 사람들을 세고 있었던 문제였습니다.

이러한 과대평가를 이해하는 핵심은 모델이 무엇을 보고 있었느냐에 있었습니다. 컴퓨터 프로그램은 위성 영상에서 볼 수 있는 모든 건물의 흔적(footprint)을 세고는 그것이 각각 집이라고 가정했습니다. 하지만 건물은 모두 같지 않습니다. 어떤 것은 주택이지만, 어떤 것은 공장, 창고 또는 사무실입니다. 위성 데이터에는 주거용 건물과 비주거용 건물을 구분하는 라벨이 포함되어 있지 않았기 때문에, 모델은 모든 구조물을 가족이 거주하는 집으로 간주하여 계산했습니다. 연구진이 실제 가구가 존재함을 인구 조사로 확인한 격자 구역만을 포함하도록 데이터를 필터링했을 때, 과대평가 수치는 크게 감소했습니다. 건물처럼 보이지만 실제로는 집이 아닐 가능성이 높은 지역을 제거함으로써, 모델의 수치는 공식 집계에 훨씬 더 가까워졌습니다.

이러한 조정을 거쳤음에도 불구하고 비교가 완벽했던 것은 아닙니다. 연구진은 데이터의 시점 문제를 고려해야 했습니다. 모델에 사용된 위성 영상은 2017년에서 2019년 사이에 촬영된 반면, 인구 조사는 2022년에 실시되었습니다. 그 사이 몇몇 건물은 철거되었을 수도 있고, 새로운 건물이 건설되었을 수도 있으며, 사람들도 이동했을 수 있습니다. 또한 모델은 위성 영상에서 건물의 흔적이 보이지 않는—아마도 구조물이 너무 작거나 이미지가 명확하지 않아서—사람들을 완전히 놓치기도 했습니다. 연구진이 누락된 가구를 제외하도록 인구 조사 수치를 조정했을 때, 모델과 인구 조사 사이의 격차는 더욱 좁혀졌습니다. 최종 비교 결과, 모델은 눈에 보이는 지역에 대해서는 매우 정확했지만, 집과 창고를 구분하는 데 어려움을 겪었으며, 이로 인해 비주거용 건물이 많은 지역에서 수치를 너무 높게 예측했습니다.

연구는 수도인 루사카(Lusaka)에서 특정 문제를 부각시켰습니다. 이곳에서 모델은 연구진이 비주거용 건물을 걸러내려고 시도한 후에도 인구 조사 수치보다 실질적으로 높은 인구를 예측했습니다. 도시는 밀집되어 있고 복잡하며, 이 차이는 모델이 많은 상업용 건물을 주택으로 계산했거나, 위성 영상이 촬영된 시점과 인구 조사 사이에 도시의 인구 분포가 크게 변했을 가능성을 시사합니다. 그럼에도 불구하고 모델의 전반적인 성능은 인상적이었습니다. 모델은 광대하고 다양한 국가 전역에서 사람들이 어디에 사는지 성공적으로 식별해 냈으며, 이는 위성 기반 방식이 전통적인 인구 조사를 수행할 수 없을 때 신뢰할 수 있는 대안이 될 수 있음을 입증했습니다.

이 연구는 위성 모델이 인구 조사를 완전히 대체해야 한다고 제안하는 것이 아닙니다. 인구 조사는 숫자 그 이상의 정보를 수집합니다. 위성 카메라는 볼 수 없는 연령, 교육, 건강에 관한 정보를 모읍니다. 하지만 인구 조사를 감당할 여력이 없거나 조직할 수 없는 국가들에게 이러한 모델은 필수적인 생명줄이 됩니다. 이 모델들은 특정 마을이나 구역에 얼마나 많은 사람이 사는지 높은 신뢰도로 알 수 있는 방법을 제공하여, 더 나은 계획과 자원 배분을 가능하게 합니다. 이 연구는 기술이 아직 완벽하지는 않지만, 매우 강력한 도구라는 점을 확인시켜 줍니다. 위성 영상 기술이 향 만큼 정교해지고 연구자들이 서로 다른 유형의 건물을 더 명확하게 구분하는 법을 배우게 됨에 따라, 이러한 디지털 추정치는 더욱 정밀해질 것이며, 세상에서 가장 외딴 곳이나 불안정한 구석진 곳에서도 인간의 풍경을 선명하게 보여줄 것입니다.